基于多源光谱数据融合的花生油掺伪定量检测方法技术

本发明专利技术公开了一种基于多源光谱数据融合的花生油掺伪定量检测方法，包括如下步骤：油样制备；光谱采集：分别采集所有掺伪油样的拉曼光谱图和近红外光谱图；光谱数据融合：将经预处理的拉曼光谱图和近红外光谱图进行数据层融合，得到融合光谱图；掺伪定量模型建立：对融合光谱图进行特征波长提取，并通过多元定量校正方法建立花生油样的掺伪定量模型；模型验证；待测样品分析。本发明专利技术提供的基于多源光谱数据融合的花生油掺伪定量检测方法，将两种光谱的食用油谱图进行数据融合，具有很好地互补性，可更全面地反应食用油的内部特征信息；该检测方法快速便捷、高效无损、无需预处理、准确率高、适用性强。

【技术实现步骤摘要】
基于多源光谱数据融合的花生油掺伪定量检测方法
本专利技术涉及油脂掺伪快速检测
，具体涉及一种基于多源光谱数据融合的花生油掺伪定量检测方法。
技术介绍
花生油淡黄透明，色泽清亮，气味芬芳，滋味可口，是一种比较容易消化的食用油。花生油含不饱和脂肪酸80％以上(其中含油酸41.2％，亚油酸37.6％)，经常食用花生油，可使人体内胆固醇分解为胆汁酸并排出体外，从而降低血浆中胆固醇的含量；花生油中还含有甾醇、麦胚酚、磷脂、维生素E、胆碱等对人体有益的物质，经常食用花生油，可以防止皮肤皱裂老化，保护血管壁，防止血栓形成，有助于预防动脉硬化和冠心病。现实生活中，一些不法商贩将大豆油、棉籽油、玉米油等一些低价食用油掺伪入花生油中，更有甚者为谋求暴利，将一些废弃食用油脂掺入花生油中，严重危害了消费者的权益。因此，寻求一种快速、有效的花生油掺伪废弃食用油脂的检测方法具有重要意义。
技术实现思路
针对上述技术中存在的不足之处，本专利技术提供了一种快速便捷、高效无损的基于多源光谱数据融合的花生油掺伪废弃食用油脂的定量检测方法。本专利技术解决其技术问题所采用的技术方案是：一种基于多源光谱数据融合的花生油掺伪定量检测方法，包括如下步骤：1)油样制备：在若干份等质量的花生油样中分别按不同质量比依次掺入同一其它食用油脂，得到若干份掺伪油样；2)光谱采集：分别利用拉曼光谱仪和近红外光谱仪采集步骤1)中所有掺伪油样的拉曼光谱图和近红外光谱图；3)光谱数据融合：对步骤2)中采集的所有掺伪油样的拉曼光谱图依次进行滤波、基线校正和归一化预处理，对步骤2)中采集的所有掺伪油样的近红外光谱图进行正交信号校正预处理，将预处理后的拉曼光谱图和近红外光谱图进行数据层融合，得到融合光谱图；4)掺伪定量模型建立：对步骤3)中得到的融合光谱图进行特征波长提取，并通过多元定量校正方法建立花生油样的掺伪定量模型；5)模型验证：选取若干份已知掺伪量的花生油掺伪油样，在与步骤2)相同条件下采集其拉曼光谱图和近红外光谱图，采用步骤3)中的光谱数据融合方法得到其融合光谱图，并根据步骤4)中建立的掺伪定量模型预测掺伪量，并与实际掺伪量进行比较，要求预测掺伪量与实际掺伪量的误差≤10％，相关系数≥95％；6)待测样品分析：在与步骤2)相同条件下采集未知掺伪量的花生油掺伪油样的拉曼光谱图和近红外光谱图，采用步骤3)中的光谱数据融合方法得到其融合光谱图，并根据步骤4)中建立的掺伪定量模型预测其掺伪量。优选的，所述步骤1)中同一其它食用油脂的掺入质量比范围为3％～95％。优选的，所述步骤2)中拉曼光谱仪光谱采集过程如下：将装有掺伪油样的样品管放入电子恒温水浴锅中加热至40±2℃，拉曼光谱采集波数范围为250～2400cm-1，拉曼光谱仪的积分时间设置为30S，激光功率为320MW，每个掺伪油样取三次测量的平均值，并选取波数范围700～1530cm-1作为最终采集的拉曼光谱图。优选的，所述步骤2)中近红外光谱仪光谱采集过程如下：将装有掺伪油样的样品管放入电子恒温水浴锅中加热至40±2℃，近红外光谱测定范围为1350～1800nm，扫描次数32次，分辨率为3.5cm-1，测量方式为透射，每个掺伪油样取三次测量的平均值作为最终采集的近红外光谱图。优选的，所述步骤3)中的拉曼光谱图依次采用Savitzky-Golay滤波9点平滑消除光谱噪声，采用自适应迭代重加权惩罚最小二乘算法(airPLS)进行基线校正，采用以1438cm-1处的特征峰强度为基准进行归一化处理。优选的，所述步骤3)中的数据层融合方法为：将预处理后的拉曼光谱图与预处理后的近红外光谱图的横坐标首尾相接融合，并共用同一纵坐标，即得到融合光谱图。优选的，所述步骤4)中采用后向间隔偏最小二乘法(BiPLS)对融合光谱图进行特征波长提取，以交互验证均方差为标准，选取交互验证均方差值最小的模型区间为最佳区间。优选的，所述步骤4)中的多元定量校正方法采用支持向量回归(SVR)并结合网格搜索算法进行参数优化，具体的，所述的支持向量回归(SVR)方法中采用e-SVR回归模型和径向基核函数进行回归建模，通过网格搜索算法对所述支持向量回归(SVR)模型中的惩罚因子C和径向基核函数参数g进行优化。优选的，通过网格搜索算法对惩罚因子C和径向基核函数参数g进行优化时，将粗选范围设置为2-10～210，步长设置为1，细选范围设置为2-5～25，步长设置为0.5。本专利技术与现有技术相比，其有益效果是：(1)近红外光谱区与食用油的脂肪酸甘油三酯中含氢基团(C-H、O-H)振动的合频和倍频的吸收区相一致，食用油中的“-C＝C-”对拉曼光谱中的分子振动有很大贡献，且拉曼光谱与近红外光谱都属于振动光谱，将两种光谱的食用油谱图进行数据融合具有很好地互补性，可更全面地反应食用油的内部特征信息。(2)通过采用后向间隔偏最小二乘法(BiPLS)对融合光谱图进行特征波长提取，并采用支持向量回归(SVR)结合网格搜索算法进行参数优化，建立的掺入质量比范围为3％～95％的掺伪定量模型模型参数小，泛化能力、预测能力强。(3)本专利技术提供的基于多源光谱数据融合的花生油掺伪定量检测方法，快速便捷、高效无损、无需预处理、准确率高、适用性强，为食品卫生监督部门提供了可靠的检测手段。附图说明图1为本专利技术所述检测方法的流程图；图2为波数范围700～1530cm-1的原始拉曼光谱图；图3为掺伪油样的原始近红外光谱图；图4为预处理后的拉曼光谱图；图5为预处理后的近红外光谱图；图6为融合光谱图；图7为融合光谱图经特征波长提取的最佳区间；图8为网格搜索算法的参数选择结果图；图9校正集的回归结果图。图10预测集的回归结果图。具体实施方式下面结合附图对本专利技术做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。如图1所示，本专利技术提供了基于多源光谱数据融合的花生油掺伪定量检测方法，包括如下步骤：1)油样制备：在若干份等质量的花生油样中分别按3％～95％不同质量比依次掺入同一其它食用油脂，得到若干份掺伪油样；2)光谱采集：分别利用拉曼光谱仪和近红外光谱仪采集步骤1)中所有掺伪油样的拉曼光谱图和近红外光谱图，其中，拉曼光谱仪光谱采集过程如下：将装有掺伪油样的样品管放入电子恒温水浴锅中加热至40±2℃，拉曼光谱采集波数范围为250～2400cm-1，拉曼光谱仪的积分时间设置为30S，激光功率为320MW，每个掺伪油样取三次测量的平均值，并选取波数范围700～1530cm-1作为最终采集的拉曼光谱图；近红外光谱仪光谱采集过程如下：将装有掺伪油样的样品管放入电子恒温水浴锅中加热至40±2℃，近红外光谱测定范围为1350～1800nm，扫描次数32次，分辨率为3.5cm-1，测量方式为透射，每个掺伪油样取三次测量的平均值作为最终采集的近红外光谱图；3)光谱数据融合：对步骤2)中采集的所有掺伪油样的拉曼光谱图依次进行Savitzky-Golay滤波9点平滑消除光谱噪声、自适应迭代重加权惩罚最小二乘算法(airPLS)进行基线校正、以1438cm-1处的特征峰强度为基准进行归一化预处理，对步骤2)中采集的所有掺伪油样的近红外光谱图进行正交信号校正预处理，将预处理后的拉曼光谱图和近红外光谱图进行数据层融合，本文档来自技高网...

【技术保护点】
一种基于多源光谱数据融合的花生油掺伪定量检测方法，其特征在于，包括如下步骤：1）油样制备：在若干份等质量的花生油样中分别按不同质量比依次掺入同一其它食用油脂，得到若干份掺伪油样；2）光谱采集：分别利用拉曼光谱仪和近红外光谱仪采集步骤1）中所有掺伪油样的拉曼光谱图和近红外光谱图；3）光谱数据融合：对步骤2）中采集的所有掺伪油样的拉曼光谱图依次进行滤波、基线校正和归一化预处理，对步骤2）中采集的所有掺伪油样的近红外光谱图进行正交信号校正预处理，将预处理后的拉曼光谱图和近红外光谱图进行数据层融合，得到融合光谱图；4）掺伪定量模型建立：对步骤3）中得到的融合光谱图进行特征波长提取，并通过多元定量校正方法建立花生油样的掺伪定量模型；5）模型验证：选取若干份已知掺伪量的花生油掺伪油样，在与步骤2）相同条件下采集其拉曼光谱图和近红外光谱图，采用步骤3）中的光谱数据融合方法得到其融合光谱图，并根据步骤4）中建立的掺伪定量模型预测掺伪量，并与实际掺伪量进行比较，要求预测掺伪量与实际掺伪量的误差≤10% ，相关系数≥95%；6）待测样品分析：在与步骤2）相同条件下采集未知掺伪量的花生油掺伪油样的拉曼光谱图和近红外光谱图，采用步骤3）中的光谱数据融合方法得到其融合光谱图，并根据步骤4）中建立的掺伪定量模型预测其掺伪量。...

【技术特征摘要】
1.一种基于多源光谱数据融合的花生油掺伪定量检测方法，其特征在于，包括如下步骤：1)油样制备：在若干份等质量的花生油样中分别按不同质量比依次掺入同一其它食用油脂，得到若干份掺伪油样；2)光谱采集：分别利用拉曼光谱仪和近红外光谱仪采集步骤1)中所有掺伪油样的拉曼光谱图和近红外光谱图；拉曼光谱仪光谱采集过程如下：将装有掺伪油样的样品管放入电子恒温水浴锅中加热至40±2℃，拉曼光谱采集波数范围为250～2400cm-1，拉曼光谱仪的积分时间设置为30S，激光功率为320MW，每个掺伪油样取三次测量的平均值，并选取波数范围700～1530cm-1作为最终采集的拉曼光谱图；近红外光谱仪光谱采集过程如下：将装有掺伪油样的样品管放入电子恒温水浴锅中加热至40±2℃，近红外光谱测定范围为1350～1800nm，扫描次数32次，分辨率为3.5cm-1，测量方式为透射，每个掺伪油样取三次测量的平均值作为最终采集的近红外光谱图；3)光谱数据融合：对步骤2)中采集的所有掺伪油样的拉曼光谱图依次进行滤波、基线校正和归一化预处理，对步骤2)中采集的所有掺伪油样的近红外光谱图进行正交信号校正预处理，将预处理后的拉曼光谱图和近红外光谱图进行数据层融合，得到融合光谱图；其中，拉曼光谱图依次采用Savitzky-Golay滤波9点平滑消除光谱噪声，采用自适应迭代重加权惩罚最小二乘算法(airPLS)进行基线校正，采用以1438cm-1处的特征峰强度为基准进行归一化处理；4)掺伪定量模型建立：对步骤3)中得到的融合光谱图进行特征波长提取，并通过多元定量校正方法建立花生油样的掺伪定量模型；多元定量校正方法采用支持向量回归(SVR)并结合网格搜索...

【专利技术属性】
技术研发人员：郑晓，涂斌，何东平，尹成，曾路路，彭博，陈志，沈雄，宋志强，
申请(专利权)人：武汉轻工大学，
类型：发明
国别省市：湖北;42